함수 기반 뷰 지금까지 썼던 views.py가 이런 것에 해당한다.def my_view(request): if request.method == 'GET' #서비스 처리 return HttpResponse('result')후에 urls.py에서 path를 추가 그러나 만약에 view 안에 있는 내용이 너무 많다면 이걸 클래스로 구현해도 된다. 클래스 기반 뷰class django.views.generic.base.View를 상속받음View는 모든 클래스형 뷰의 기본이 되는 최상위 뷰참조 문서https://docs.djangoproject.com/en/4.2/ref/class based views/base/#view소스코드 https://github.com/django/django/blo..
오픈소스 - 디디버 ERD를 쓴다. 교안은 살펴볼 시간이 없으므로 나중에 쓴다. 파일을 drag and drop mysql에서 번개 표시를 누르면 실행된다.edit -preferences = consolas 16 Database - reverse engineernext,next, 원하는 db, execute하면 ERD가 그려진다. 서버 안에 데이터베이스, 안에 스키마가 있고, 안에 데이터 문자열은 single 쿼테이션이고, 무조건 끝에 ;를 써줘야 한다.ctrl+enter로 해도 실행된다. oracle에서는 select ~ from dual(테이블이 없을 시)mysql은 된다. 문자열을 그냥 20190301이렇게 써도 날짜로 변환된다. mysql 왼쪽 상단을 누르면 전체가 다 선택된다. 그리고 오른쪽 마..
https://arxiv.org/abs/2312.11514 애플에서 발표한 논문제한된 메모리에서 LLM 모델을 효과적으로 다루는 것에 대한 논문플래시 메모리에 저장해서 효과적으로 늘린다. 서론대규모 언어 모델(LLM)은 다양한 작업에서 탁월한 성능을 제공하며 현대 자연어 처리의 중심이 되고 있습니다.그러나 이들의 상당한 계산 및 메모리 요구사항은 특히 DRAM 용량이 제한된 장치에서 과제가 되고 있습니다.본 논문은 사용 가능한 DRAM을 초과하는 LLM을 실행하기 위해 모델 매개변수를 플래시 메모리에 저장한 다음 필요에 따라 DRAM으로 가져오는 과제를 다룹니다. 우리의 방법은 플래시 메모리의 특성을 고려한 추론 비용 모델을 구성하여 두 가지 중요 영역에서 최적화를 안내합니다: 플래시에서 데이터 전송 량..
modelform은 다음과 같이 이루어진다. 원래는 post_form.html의 1번이 있다면,forms.py의 class(forms.Form)에서 models.py(models.Model)로 전달되었다가, DB로 전달된다. 그런데 ModelForm을 선언하면, model을 기반으로 form을 자동으로 만들어준다.class 클래스명(forms.ModelForm): class Meta: model = 모델명 fields = [필드명 1, 필드명2, ...] 또는 '__all__'로 만든다. 필드를 각각 안 만들거라 하면 all을 쓰는 것이다.forms.py에 적는다.from .models import Postclass PostModelForm(forms.ModelForm):..
Form 태그는 하나 이상의 위젯으로 구성된다. action : 처리 요청 urlmethod : 처리 요청 방식 / get,postenctype : post 방식에서만 유효. multipart : 파일 업로드 가능application/x-www-form-urlencoded (default) 확인을 누르면요청 정보 안에 담겨서 전달이 된다. 위젯 아래에 name 속성이 있다. 해당 이름이 변수 이름이다.pwd = 1004 get 방식은 화면에 그대로 전달되는 데이터가 보인다.헤더에 붙는다.전달되는 질의 문자열이 노출되고, 질의 문자열 길이에 제한이 있다.요청방식 - URI - HTTP 버전 post 방식은 몸체에 질의 문자열이 전달된다.전달되는 질의 문자열이 노출되지 않는다.전달되는 질의 문자열 길이에 ..
일반적인 dp에서 진화한 형태이다. import numpy as npimport sysdef multiply_matrix(A, B, mod): A = np.array(A) B = np.array(B) result = np.dot(A, B) % mod return result.tolist()def power_matrix(A, p, mod): #빠른 거듭제곱 알고리즘 if p == 1: return A if p % 2: #n이 홀수라면, 기본 행렬을 n-1번 거듭제곱한 후, 그 결과에 기본 행렬을 한 번 더 곱한다. return multiply_matrix(A, power_matrix(A, p-1, mod), mod) half = power_m..